CN106247848A - 一种复杂自动供输弹系统的早期故障诊断方法 - Google Patents

一种复杂自动供输弹系统的早期故障诊断方法 Download PDF

Info

Publication number
CN106247848A
CN106247848A CN201610593978.2A CN201610593978A CN106247848A CN 106247848 A CN106247848 A CN 106247848A CN 201610593978 A CN201610593978 A CN 201610593978A CN 106247848 A CN106247848 A CN 106247848A
Authority
CN
China
Prior art keywords
automatically
signal
defeated bullet
analysis
defeated
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201610593978.2A
Other languages
English (en)
Other versions
CN106247848B (zh
Inventor
潘宏侠
许昕
潘铭志
李宗贤
田园
张玉学
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
North University of China
Original Assignee
North University of China
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by North University of China filed Critical North University of China
Priority to CN201610593978.2A priority Critical patent/CN106247848B/zh
Publication of CN106247848A publication Critical patent/CN106247848A/zh
Application granted granted Critical
Publication of CN106247848B publication Critical patent/CN106247848B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F41—WEAPONS
    • F41A—FUNCTIONAL FEATURES OR DETAILS COMMON TO BOTH SMALLARMS AND ORDNANCE, e.g. CANNONS; MOUNTINGS FOR SMALLARMS OR ORDNANCE
    • F41A31/00—Testing arrangements
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0243—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model
    • G05B23/0254—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model based on a quantitative model, e.g. mathematical relationships between inputs and outputs; functions: observer, Kalman filter, residual calculation, Neural Networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Physics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)

Abstract

本发明涉及一种复杂自动供输弹系统的早期故障诊断方法，属于自动供输弹系统故障诊断技术领域，提供了一种利用控制系统流程中开关量和控制指令，加入外置冲击振动传感器响应参量，共同建立综合故障诊断模型，进而对中大口径火炮自动供输弹系统的故障进行综合分析处理并加以诊断的方法，采用的技术方案为先分析火炮自动供输弹系统，采集驱动参数、开关量指令及振动信息，对信息进行处理，得到时域特征、频域特征和时频域特征，最后进行归一化处理、特征级融合与决策级融合，从而确定早期故障，本发明广泛用于自动供输弹系统的早期故障诊断。

Description

一种复杂自动供输弹系统的早期故障诊断方法
技术领域
本发明涉及一种复杂自动供输弹系统的早期故障诊断方法，属于自动供输弹系统故障诊断技术领域。
背景技术
火炮自动供输弹系统是坦克、舰炮、自行火炮武器系统的核心，是极其复杂的机电一体化装置，在恶劣的工作环境下完成各种弹药的输送、装填和击发，成为影响火炮武器系统作战效能发挥的主要因素，要求具有极高的质量可靠性。自动供输弹系统的生产质量和运行可靠性直接关系着坦克、舰炮和自行火炮的射速、火力密度、生存能力、机动性能和作战时机把握，实战和演练中经常暴露出的运动卡滞和机电控制不协调现象反映出自动供输弹系统在连续高速动作时的质量可靠性问题，成为制约我国武器系统发展的重要因素之一。
在装备研制中经常出现的故障现象是：（1）火炮自动供输弹系统执行机构高速启停动作产生冲击使构件的定位不准确，交接弹药出现不可靠；（2）机械执行构件摩擦磨损或阻尼过大引起机构经过各个弹位的时刻随机变化，与设定的控制流程不协调；（3）内嵌控制软件中设定的流程受到电源波动或电磁干扰产生误动作，与驱动执行机构动作不匹配。出现上述故障后，研制者往往都要求修改软件流程，使之与动力驱动和执行机构相匹配。而实际机构经过反复冲击动作产生磨损变形，出现摩擦力和运动参量随机变化的新情况，装定的软件不可能随机修改，势必产生自动供输弹机构卡滞停射，即常说的射击过程“卡壳”问题。
解决在研和现役自动供输弹系统故障导致系统卡滞或停射的关键是需要进行自动供输弹系统早期的故障诊断，而不主要是出故障后的排除。如果在自动供输弹系统早期故障形成阶段，即故障萌芽状态、刚刚出现或者故障程度尚轻微时，就能及时准确地予以辨识和预测，并据此指导系统改进和保养维修工作，就能及时采取措施，防止造成严重故障和损失，提高自动供输弹系统运行的可靠性。
火炮自动供输弹系统在实验室模拟装填和实际连续射击中表现出以下特征：1)机构高速启停动作和撞击产生强烈的冲击振动，对于较低固有频率的构件该冲击响应衰减周期较长，影响后续机构动作或交接弹药不可靠；2)机构构件摩擦磨损、运动不畅引起的振动响应与膛压和高速碰撞的冲击响应相比小得多，有效故障信息的信噪比不高；3)自动供输弹过程中多套机构同时动作（缩短重叠时间以利于提高射速），产生的冲击响应信号常常叠加在一起，需要利用控制软件的流程节点加以区分；4)软件控制指令与动力驱动装置、执行机构的协调动作要求严格匹配一致，稍有偏差就会造成停射；5)采集供输弹机构冲击振动响应的惯性式传感器属于接触测量，靠低噪声线缆输出，不容易安装布置，数量受限，多点故障信息较难获取；6）火炮自动供输弹系统的高稳定性能要求，一般不希望布置较多外加传感器，避免增加系统的不可靠度。上述这些特点使得常用的故障诊断方法许多都不适合火炮自动供输弹系统的故障诊断，它比一般旋转机械的故障诊断难度更大，属于高复杂度自动化系统的故障诊断。为此提出本发明的综合控制流程参数和冲击响应信号的自动供输弹系统故障诊断新方法。
自动供输弹系统故障诊断的目标在于判断其是否处于正常状况，若出现异常，分析故障产生的原因、部位以及严重程度，并预测发展的趋势；在控制流程中加入自诊断分析的目的在于判断装备运行中出问题的时刻，若出现异常卡滞，控制流程运行终止；通过分析在动力驱动和执行机构上测得冲击振动响应的大小和变化规律，进一步信号处理、分类识别故障，探究其程度和发生的部位。
供输弹系统多使用于中大口径火炮系统，射速相对于高速自动机来说较低，结构复杂，易于信息化技术发展和应用嵌入在线监测技术。利用多种信息综合进行火炮自动供输弹系统运行时的故障诊断的适用性主要是：(1)从研制与原理、生产原材料来讲，自动供输弹系统结构复杂，高度集成，包括动力、机械传动和机电控制系统，诊断装置便于嵌入到自动供输弹系统中进行测试。自动供输弹系统构件较大，装配制造工艺容易出现多种缺陷，进行在线监测可以及早发现问题。(2)从装备使用来讲，由于自动供输弹系统较为复杂，构件大且紧凑，不易拆卸，故障部位不易察觉，通常只能看到卡滞弹药的结果，很难确定故障部位和程度，找准故障根源，因而实施在线测试和诊断有重要的实际意义。
发明内容
为解决现有技术存在的技术问题，本发明提供了一种利用控制系统流程中开关量和控制指令，加入外置冲击振动传感器响应参量，共同建立综合故障诊断模型，进而对中大口径火炮自动供输弹系统的故障进行综合分析处理并加以诊断的方法。
为实现上述目的，本发明所采用的技术方案为一种复杂自动供输弹系统的早期故障诊断方法，按照以下步骤进行操作，
a、首先分析火炮自动供输弹系统的软件程序控制流程、动力驱动装置、机械执行机构的结构形式，分析完整的供输弹系统运行机理；分析供输弹机构可能产生卡滞停射的主要部位和故障机理，分析供输弹机构运行的循环规律；
b、在自动供输弹系统的机械执行机构上布置冲击振动传感器，测点要求尽量靠近交接弹药位置、主要机构撞击点和重摩擦部位；再从动力驱动装置上采集驱动参数信号，然后采用嵌入集成式多通道数据采集分析系统同步采集冲击振动信号和驱动参数信号并记录；
c、通过自动供输弹控制系统的CAN总线接口输出控制流程信息，包括机构到位的开关量、表征机构运动的电参量、控制指令信息，并将其采集到嵌入集成式多通道数据采集分析系统；
d、利用嵌入集成式多通道数据采集分析系统中嵌入的含有信号滤波、小波时频分析、独立分量分析和相关性分析算法的多功能信号处理软件，先对冲击振动响应信号和驱动参数信号进行筛选和预处理，消除基线漂移和剔除个别过载的异常点信号，再对采集的来自控制系统的开关、指令和状态数据进行时标统一和规范化处理；
e、采用广义形态学分量分析降噪方法和主成分分析框架内的多元统计，先将含噪故障信号扩展到多维虚拟空间，再通过调整模型的参数进一步扩展广义形态分量分析，比较产生残差的概率密度，利用Kullback-Leibler散度的高灵敏性确定不可预知的微弱早期故障信息，在噪声环境中检测出初期故障的性能差异，实现信号的盲源分离，达到降噪目的；
f、先用控制系统中的射击击发时刻值确定待分析信号的时间起点，给出部分时域特征值，包括各峰值、对应时刻、各个时间间隔和均方根值；再对信号做时频分析，获得时频域的分布谱图，提取频域和时频域特征值，包括各峰值、对应频率和不同频率区间的分布特性参数；对比分析各射击工况的对应特征数据，进行统计学分类分析；
g、在确定供输弹系统出现故障的情况下，采用多源信息融合方法寻找故障发生位置；根据特征参量的变化规律和变异程度采用相对熵和能谱技术确定供输弹系统的故障严重程度。
优选的，所述步骤b中的振动振动传感器选用ICP型，信号的有效频率范围不低于10kHz。
与现有技术相比，本发明具有以下技术效果：本发明通过采集火炮自动供输弹系统的控制系统流程中开关量、驱动参数以及冲击振动产生的响应参量 ，将采集到的信息进行分析处理，建立合故障诊断模型，然后在通过计算、分析确定火炮自动供输弹系统的早期故障，通过进行早期故障分析，能够准确确定故障部位和程度，找准故障根源，从而确保火炮供输弹系统安全可靠的运行。
附图说明
图1为本发明的自动供输弹系统早期故障诊断方法的流程图。
图2为本发明的自动供输弹系统早期故障识别流程图。
具体实施方式
为了使本发明所要解决的技术问题、技术方案及有益效果更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
如图1所示，一种复杂自动供输弹系统的早期故障诊断方法，按照以下步骤进行操作，
a、首先分析火炮自动供输弹系统的软件程序控制流程（包含可引出利用的反馈信息参量）、动力驱动类型、执行机构的结构形式，研究完整的供输弹系统运行机理；分析供输弹机构可能产生卡滞停射的主要部位和故障机理，研究供输弹机构运行的循环规律。
b、在自动供输弹系统的主要机构上布置冲击振动传感器，测点要求尽可能靠近交接弹药位置，可敏感主要机构撞击点和重摩擦部位产生的冲击振动信号。振动加速度计传感器选用ICP型，直接输出电压信号无需另加转换，信信号的有效频率范围不低于10kHz。再从动力驱动装置上采集驱动参数（电流、转速、扭矩）信号。然后使用嵌入集成式多通道数据采集分析系统同步采集冲击振动信号和驱动参数信号并记录。
c、通过自动供输弹控制系统的CAN总线接口输出控制流程信息，包括机构到位的开关量、表征机构运动的电参量（方位、角位和速度）、控制指令信息，并将其采集到嵌入集成式多通道数据采集分析系统。
d、利用嵌入集成式多通道数据采集分析系统中嵌入的含有信号滤波、小波时频分析、独立分量分析和相关性分析算法的多功能信号处理软件，先对冲击振动响应信号和驱动参数信号进行筛选和预处理，消除基线漂移和剔除个别过载的异常点信号，再对采集的来自控制系统的开关、指令和状态数据进行时标统一和规范化处理。
e、采用广义形态学分量分析(GMCA)降噪方法和主成分分析（PCA）框架内的多元统计，先将含噪故障信号扩展到多维虚拟空间，再通过调整模型的参数进一步扩展广义形态分量分析，比较产生残差的概率密度，利用Kullback-Leibler散度的高灵敏性确定不可预知的微弱早期故障信息，在噪声环境中检测出初期故障的性能差异，实现信号的盲源分离，达到降噪目的。
f、先用控制系统中的射击击发时刻值确定待分析信号的时间起点，给出部分时域特征值，包括各峰值、对应时刻、各个时间间隔和均方根值；再对信号做时频分析，获得时频域的分布谱图，提取频域和时频域特征值，包括各峰值、对应频率和不同频率区间的分布特性参数；对比分析各射击工况的对应特征数据，进行统计学分类分析。
g、在确定供输弹系统出现故障的情况下，采用多源信息融合方法寻找故障发生位置；根据特征参量的变化规律和变异程度采用相对熵和能谱技术确定供输弹系统的故障严重程度。
如图2所示，将采集到的每组数据进行FFT变换，将频域幅值进行归一化处理，在利用每组数据的归一化幅值构建原始数据矩阵X，算得原始数据矩阵X的协方差矩阵S的特征值序列Φ，利用轮廓对数似然函数确定序列Φ的拐点q。然后再将无故障工况下的数据和测试得到的数据进行处理，保留前q个主成分（敏感频段）形成频域PCA模型，然后将无故障工况下潜分数、测试数据潜分数进行概率密度计算，然后在进行KL散度计算，进行概率密度函数比较，最后判断是否大于阀值，从而判断是否有早期故障的发生。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包在本发明范围内。

Claims (2)

1.一种复杂自动供输弹系统的早期故障诊断方法，其特征在于：按照以下步骤进行操作，
a、首先分析火炮自动供输弹系统的软件程序控制流程、动力驱动装置、机械执行机构的结构形式，分析完整的供输弹系统运行机理；分析供输弹机构可能产生卡滞停射的主要部位和故障机理，分析供输弹机构运行的循环规律；
b、在自动供输弹系统的机械执行机构上布置冲击振动传感器，测点要求尽量靠近交接弹药位置、主要机构撞击点和重摩擦部位；再从动力驱动装置上采集驱动参数信号，然后采用嵌入集成式多通道数据采集分析系统同步采集冲击振动信号和驱动参数信号并记录；
c、通过自动供输弹控制系统的CAN总线接口输出控制流程信息，包括机构到位的开关量、表征机构运动的电参量、控制指令信息，并将其采集到嵌入集成式多通道数据采集分析系统；
d、利用嵌入集成式多通道数据采集分析系统中嵌入的含有信号滤波、小波时频分析、独立分量分析和相关性分析算法的多功能信号处理软件，先对冲击振动响应信号和驱动参数信号进行筛选和预处理，消除基线漂移和剔除个别过载的异常点信号，再对采集的来自控制系统的开关、指令和状态数据进行时标统一和规范化处理；
e、采用广义形态学分量分析降噪方法和主成分分析框架内的多元统计，先将含噪故障信号扩展到多维虚拟空间，再通过调整模型的参数进一步扩展广义形态分量分析，比较产生残差的概率密度，利用Kullback-Leibler散度的高灵敏性确定不可预知的微弱早期故障信息，在噪声环境中检测出初期故障的性能差异，实现信号的盲源分离，达到降噪目的；
f、先用控制系统中的射击击发时刻值确定待分析信号的时间起点，给出部分时域特征值，包括各峰值、对应时刻、各个时间间隔和均方根值；再对信号做时频分析，获得时频域的分布谱图，提取频域和时频域特征值，包括各峰值、对应频率和不同频率区间的分布特性参数；对比分析各射击工况的对应特征数据，进行统计学分类分析；
g、在确定供输弹系统出现故障的情况下，采用多源信息融合方法寻找故障发生位置；根据特征参量的变化规律和变异程度采用相对熵和能谱技术确定供输弹系统的故障严重程度。
2.根据权利要求1所述的一种复杂自动供输弹系统的早期故障诊断方法，其特征在于：所述步骤b中的振动振动传感器选用ICP型，信号的有效频率范围不低于10kHz。
CN201610593978.2A 2016-07-26 2016-07-26 一种复杂自动供输弹系统的早期故障诊断方法 Active CN106247848B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610593978.2A CN106247848B (zh) 2016-07-26 2016-07-26 一种复杂自动供输弹系统的早期故障诊断方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610593978.2A CN106247848B (zh) 2016-07-26 2016-07-26 一种复杂自动供输弹系统的早期故障诊断方法

Publications (2)

Publication Number Publication Date
CN106247848A true CN106247848A (zh) 2016-12-21
CN106247848B CN106247848B (zh) 2017-10-10

Family

ID=57603665

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610593978.2A Active CN106247848B (zh) 2016-07-26 2016-07-26 一种复杂自动供输弹系统的早期故障诊断方法

Country Status (1)

Country Link
CN (1) CN106247848B (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107024141A (zh) * 2017-05-23 2017-08-08 中北大学 供输弹机构装配质量的声振监测与缺陷定位方法
CN107767975A (zh) * 2017-10-17 2018-03-06 中北大学 一种核动力装置关重部件质量性能的监测与故障诊断方法
CN108801043A (zh) * 2018-06-22 2018-11-13 西北工业大学 一种自动供输弹故障在线监测与预测方法
CN111089512A (zh) * 2019-12-11 2020-05-01 南京理工大学 一种供输弹系统的内外状态同步监测与故障诊断方法
CN112221149A (zh) * 2020-09-29 2021-01-15 中北大学 一种基于深度强化学习的炮兵连智能作战演练系统
CN113048837A (zh) * 2021-03-08 2021-06-29 中北大学 一种特种环境下枪械击发-点火故障树的建立方法
CN113091809A (zh) * 2021-03-26 2021-07-09 中国船舶重工集团公司第七一三研究所 一种自动识别设备状态的检测系统
WO2023226213A1 (zh) * 2022-05-24 2023-11-30 山东瑞美油气装备技术创新中心有限公司 基于基线数据空间的设备故障检测方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RU2171440C1 (ru) * 2000-03-14 2001-07-27 Романов Михаил Николаевич Стенд имитации выстрела
CN102243133A (zh) * 2011-04-02 2011-11-16 中北大学 基于运动形态和冲击信号分析的高速自动机故障诊断方法
RU2441189C1 (ru) * 2010-07-20 2012-01-27 Открытое акционерное общество "Акционерная Компания "Туламашзавод" Способ испытания электроспуска автоматических пушек и устройство для его осуществления
CN102507230A (zh) * 2011-10-08 2012-06-20 中北大学 一种自动供输弹装置故障诊断方法
CN103267652A (zh) * 2013-05-24 2013-08-28 北京工业大学 一种智能早期设备故障在线诊断方法
CN203422017U (zh) * 2013-05-10 2014-02-05 中国人民解放军总装备部军械技术研究所 基于can总线的火炮综合管理系统检测仪
CN103969067A (zh) * 2014-04-01 2014-08-06 中北大学 一种基于广义形态学的自动装填系统故障诊断方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RU2171440C1 (ru) * 2000-03-14 2001-07-27 Романов Михаил Николаевич Стенд имитации выстрела
RU2441189C1 (ru) * 2010-07-20 2012-01-27 Открытое акционерное общество "Акционерная Компания "Туламашзавод" Способ испытания электроспуска автоматических пушек и устройство для его осуществления
CN102243133A (zh) * 2011-04-02 2011-11-16 中北大学 基于运动形态和冲击信号分析的高速自动机故障诊断方法
CN102507230A (zh) * 2011-10-08 2012-06-20 中北大学 一种自动供输弹装置故障诊断方法
CN203422017U (zh) * 2013-05-10 2014-02-05 中国人民解放军总装备部军械技术研究所 基于can总线的火炮综合管理系统检测仪
CN103267652A (zh) * 2013-05-24 2013-08-28 北京工业大学 一种智能早期设备故障在线诊断方法
CN103969067A (zh) * 2014-04-01 2014-08-06 中北大学 一种基于广义形态学的自动装填系统故障诊断方法

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107024141A (zh) * 2017-05-23 2017-08-08 中北大学 供输弹机构装配质量的声振监测与缺陷定位方法
CN107024141B (zh) * 2017-05-23 2018-07-06 中北大学 供输弹机构装配质量的声振监测与缺陷定位方法
CN107767975A (zh) * 2017-10-17 2018-03-06 中北大学 一种核动力装置关重部件质量性能的监测与故障诊断方法
CN107767975B (zh) * 2017-10-17 2020-01-21 中北大学 一种核动力装置关重部件质量性能的监测与故障诊断方法
CN108801043A (zh) * 2018-06-22 2018-11-13 西北工业大学 一种自动供输弹故障在线监测与预测方法
CN108801043B (zh) * 2018-06-22 2019-11-22 西北工业大学 一种自动供输弹故障在线监测与预测方法
CN111089512A (zh) * 2019-12-11 2020-05-01 南京理工大学 一种供输弹系统的内外状态同步监测与故障诊断方法
CN112221149A (zh) * 2020-09-29 2021-01-15 中北大学 一种基于深度强化学习的炮兵连智能作战演练系统
CN112221149B (zh) * 2020-09-29 2022-07-19 中北大学 一种基于深度强化学习的炮兵连智能作战演练系统
CN113048837A (zh) * 2021-03-08 2021-06-29 中北大学 一种特种环境下枪械击发-点火故障树的建立方法
CN113048837B (zh) * 2021-03-08 2022-09-23 中北大学 一种特种环境下枪械击发-点火故障树的建立方法
CN113091809A (zh) * 2021-03-26 2021-07-09 中国船舶重工集团公司第七一三研究所 一种自动识别设备状态的检测系统
WO2023226213A1 (zh) * 2022-05-24 2023-11-30 山东瑞美油气装备技术创新中心有限公司 基于基线数据空间的设备故障检测方法

Also Published As

Publication number Publication date
CN106247848B (zh) 2017-10-10

Similar Documents

Publication Publication Date Title
CN106247848B (zh) 一种复杂自动供输弹系统的早期故障诊断方法
EP3098681B1 (en) Artificial intelligence based health management of host system
CN110823576B (zh) 基于生成对抗网络的机械异常检测方法
CN107631867B (zh) 一种基于深度学习的旋转机械故障智能分类方法
CN107024141B (zh) 供输弹机构装配质量的声振监测与缺陷定位方法
Sultan et al. On impact damage detection and quantification for CFRP laminates using structural response data only
CN108181105B (zh) 基于逻辑回归和j散度的滚动轴承故障预诊方法及系统
CN109209783A (zh) 一种基于噪声检测叶片的雷击损伤的方法及装置
Tang et al. Defect localization on rolling element bearing stationary outer race with acoustic emission technology
CN107977679B (zh) 基于频响函数和运行响应特征诊断复杂装置早期故障的方法
KR102321607B1 (ko) 기계의 결함 검출 장치 및 방법
CN107797543A (zh) 一种航空发动机燃油调节器故障诊断方法
WO2019043600A1 (en) ESTIMATOR OF REMAINING USEFUL LIFE ESTIMATOR
US20230152792A1 (en) System for predictive operational analysis of a machinery component
Hou et al. Inter-shaft bearing fault diagnosis based on aero-engine system: a benchmarking dataset study
US8271233B2 (en) Method of multi-level fault isolation design
Kannan et al. Demodulation band optimization in envelope analysis for fault diagnosis of rolling element bearings using a real-coded genetic algorithm
CN105910803B (zh) 一种基于声压信息处理的供输弹系统故障诊断方法
Tsai et al. A study of function-based diagnosis strategy and testability analysis for a system
Dowell et al. Turbomachinery prognostics and health management via eddy current sensing: current developments
CN109488473A (zh) 发动机的在线预判系统和在线预判方法
CN112733880B (zh) 一种航空发动机故障诊断方法、系统及电子设备
Palazzolo et al. Leakage fault detection method for axial-piston variable displacement pumps
Paulmann et al. Condition Monitoring of hydraulic pumps-lessons learnt
Tastimur et al. Defect diagnosis of rolling element bearing using deep learning

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant